OpenVoiceUI 语音 AI 助手平台
自托管的浏览器语音优先 AI 助手前端:接入任意 LLM 与 TTS,对话中实时生成可交互网页画布、音乐与桌面,你的硬件、你的密钥、你的数据。
- Star 数
- ★ 87
- 最近更新
- 1 天前
- License
- MIT
- 主语言
- Python
- FA 评分
- 76/100 · 表现良好
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 个人开发者想在自己硬件上跑一个免手持、可打断的语音 AI 助手,且不想锁定某一家模型供应商
- 不适合
- 需要纯浏览器即开即用、不愿自建 Docker 服务的用户
- 只想用手机 App 而非浏览器语音界面的用户
- 不打算提供任何 LLM 供应商密钥的团队
- 官网
- openvoiceui.com ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-21
- 源码审查
- 76/100 · 表现良好
这个 Agent 能做什么,适合哪些场景?
OpenVoiceUI(MCERQUA/OpenVoiceUI,MIT 许可)是一个自托管 AI 代理的前端,由 Flask 服务器加无构建步骤的原生 JS 浏览器应用组成。代理本体运行在 OpenClaw 开源代理网关中,由网关路由到你选择的 LLM 提供商(OpenAI、Anthropic、Groq、Z.AI、Gemini 等)。你在浏览器里用语音对话,代理语音回答,同时可在屏幕上打开实时更新、可交互的 HTML 画布页面,并拥有 XP/macOS/Ubuntu 等 OS 风格桌面来保存这些页面。语音链路覆盖唤醒词、打断、浏览器 Web Speech/Deepgram/Groq Whisper 语音识别,以及九家 TTS 提供商(含本地免费的 Supertonic 与 ElevenLabs、Resemble 等克隆声音)。部署以 Docker Compose 三容器为主(openclaw、supertonic、openvoiceui,端口 5001),也可用 npm 向导、Pinokio 或 Linux 原生 systemd+nginx 安装。
浏览器通过麦克风采集语音,经 Web Speech、Deepgram、Groq Whisper 或自建 Whisper 服务转为文本;POST /api/conversation 以 NDJSON 流式返回代理回复,再经 TTS 播放。Flask 服务器(server.py,端口 5001)通过 WebSocket 连接 OpenClaw 网关(端口 18791),网关再调用你配置的 LLM。代理用短标签控制界面:打开画布页、播放曲目、改变表情等,浏览器剥离标签后执行。画布页面通过服务器发送事件实时更新;管理后台 /admin 提供档案切换、插件目录安装、凭据保管库(Supabase/GitHub/Netlify OAuth)、Suno 音乐生成、画布页面可见性与会话管理等。语音链路代理技能打包在 skills/ 中,安装到 ~/.openclaw/skills/openvoiceui/。
- 个人开发者想在自己硬件上跑一个免手持、可打断的语音 AI 助手,且不想锁定某一家模型供应商
- 需要代理在对话中直接产出仪表盘、报告、图库等可交互网页而非纯文本回复的用户
- 想用本地 Supertonic TTS 实现零成本、无云端密钥语音输出的自托管爱好者
- 内容创作者用语音触发 Suno 音乐生成,并在内置播放器中管理播放列表
- 通过 Qwen3-TTS、ElevenLabs 或 Resemble 克隆自定义声音,打造具名人格的桌面语音代理
- 在 Linux 服务器上用 systemd + nginx + Let's Encrypt 部署带 Clerk 认证的公开语音助手实例
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
npx openvoiceui setupnpx openvoiceui startdocker compose up --build
- 端口
5001- 环境变量
GROQ_API_KEYDEEPGRAM_API_KEYSUNO_API_KEYCLAWDBOT_GATEWAY_URLCLAWDBOT_AUTH_TOKENSECRET_KEY- 配置文件
.env.env.example- 运行环境
- Node.js 18+
- 安装说明涉及
- Linux · Docker
如何安装或部署这个 Agent?
所有安装路径(除原生 Linux)都需要 Docker 已安装并运行。
npm CLI(推荐,需 Node.js 18+):
npx openvoiceui setup
npx openvoiceui start向导会写入 .env 和 openclaw-data/ 目录并构建镜像,之后打开 http://localhost:5001。其他命令:stop、restart、status、logs。
Pinokio:在 Pinokio 中添加仓库地址 https://github.com/MCERQUA/OpenVoiceUI,点击 Install 与 Start(需自备 Docker)。
手动 Docker Compose:
git clone https://github.com/MCERQUA/OpenVoiceUI.git
cd OpenVoiceUI
cp .env.example .env
docker compose up --build注意:纯 docker compose 启动时网关不会自动读取 .env 或生成配置,需自行配置 OpenClaw 的 LLM 提供商。
Linux 原生安装(systemd + nginx + SSL):
git clone https://github.com/MCERQUA/OpenVoiceUI.git
cd OpenVoiceUI
cp .env.example .env
python3 -m venv venv && venv/bin/pip install -r requirements.txt
sudo bash setup-sudo.sh所需凭据:LLM 提供商密钥(配在 OpenClaw 网关侧);TTS 密钥(如 GROQ_API_KEY,本地 Supertonic 无需密钥);可选 DEEPGRAM_API_KEY、SUNO_API_KEY、CLERK 密钥。
如何使用这个 Agent?
启动后打开 http://localhost:5001,授权麦克风访问即可开始语音对话(推荐 Chrome/Edge 以使用默认 Web Speech 识别)。用 npx openvoiceui status/logs 排查运行状态。在 /admin 管理后台切换代理档案(人格、语音、网关与 LLM 设置)、安装插件、编辑代理工作区文件与画布页面可见性。代理回复中的标签(如打开画布页、播放曲目、切换表情)由浏览器自动执行;标签集见 docs/reference/agent-tags.md。配置在 .env 中调整(CLAWDBOT_GATEWAY_URL、CLAWDBOT_AUTH_TOKEN、SECRET_KEY 等),语音系统提示词在 prompts/voice-system-prompt.md 且支持热重载。
这个 Agent 有哪些优点和局限?
- LLM、STT、TTS 均可更换:九家 TTS 提供商含本地免费 Supertonic,其他代理后端可作为网关插件接入(plugins/example-gateway)
- 对话中实时生成可交互 HTML 画布页面与 OS 风格桌面,输出不只是文字,是完整网页应用
- 浏览器前端无构建步骤(src/ 原生 ES 模块),修改即生效,配套 pytest 测试套件在 CI 中运行
- 完整的自托管运维面:/admin 管理后台、凭据保管库、Clerk 认证、一键自更新与远程插件目录
- 代理核心依赖 OpenClaw 网关,其版本被固定钉在 docker-compose.yml 与部署脚本中,升级需跟随项目的 bump-openclaw-version.sh 同步
- 推荐路径(npm 向导)需要 Docker 常驻运行,纯 docker compose 又不会自动注入网关配置,手动部署有额外配置负担
- 云语音与音乐功能需多个外部服务密钥(Groq、Deepgram、Suno、ElevenLabs 等),功能与成本按提供商拆分
- 仓库尚无截图入库,UI 实际观感需查阅文档站点确认;语音功能依赖麦克风且部分浏览器需改用 Deepgram/Groq Whisper
这个 Agent 与同类方案有什么区别?
README 未点名直接竞品,但定位上是自托管、语音优先并带实时网页画布的代理前端,与 OpenClaw 的其他前端及通用聊天式语音助手形成对比:差异点在于画布页面生成、OS 风格桌面与多 TTS 提供商链。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| OpenVoiceUI 语音 AI 助手平台 当前 | 76 · 表现良好 | 命令行工具免费 + 模型费 | ★ 87 | 1 天前 | Python | OpenAI API · Claude API |
| ElevenLabs 语音技能集 | 57 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 579 | 3 天前 | Python | — |
| Rapida Voice | 46 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 760 | 14 天前 | Go | OpenAI API · Claude API |
| jargo | 74 · 存在缺口 | — | ★ 112 | 2 天前 | Go | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
证据显示最小权限处理出色:admin-only 路由前缀、WebSocket origin 守卫、SSRF 阻断、上传 HTML 按附件下发、npm trusted publishing 仅需 id-token、对 agent 可写根的污点扫描(tests/agent_io_scan.py)。扣分项:无 Clerk 时应用完全开放是默认态;browse-service 显式伪装 Chrome UA 并内置住宅代理路由用于规避 bot 检测,属灰色外部行为;self-update 会以服务器身份 git pull 并可能启动 coding agent,未见明确用户确认流程;敏感数据方面键保持服务端良好,但 UPLOADS_AUTH_MODE 默认 shadow(只记录不阻止);依赖已固定版本但无漏洞扫描/审计证据;回滚仅见 canvas 页面版本化,整体安装回滚未文档化。
TTS/STT 提供完整回退链(Supertonic 无键本地、Web Speech 默认、parakeet 服务不可达即回退),skill 文档给出逐条错误码表与处置方法,失败信息设计良好。扣分项:文档间版本口径不一致(README 写 Node 18+/Python 3.11+,installation.md 写 Node 20+/Python 3.10+);'clawdbot' 命名的环境变量与文档并存引入混淆风险。
四条安装路径、按用户画像分层(试用者/标准/手动/生产)、skill 触发条件写得极其精确(如 canvas-page-visibility 的显式请求硬规则),受众与场景覆盖充分。扣分项:capability_boundaries 主要依赖未入包的 VISION.md 断言;环境适配偏 Docker/Linux,Windows 仅列于 package.json 的 os 字段无对应文档。
信息架构优秀:README 布局表、docs 站、AGENTS.md 与模块 docstring 三层导引;安装说明详尽含迁移脚本;SECURITY.md 明列已知缺陷(提示注入未隔离);MIT 许可证齐全。扣分项:命名稳定性差——'ai-eyes2'、'clawdbot'、'jambot'、'OVU' 等遗留名散布于代码与注释,AGENTS.md 自承 providers/tts 与 tts_providers 命名易混;changelog 仅被引用未见内容;维护责任依赖单一个人邮箱,发布历史中 npm publish 曾多次失败(工作流注释自述)。
输出可用性证据充分(canvas lint、性能门、三宽度检查、版本化恢复);相对现有方案的边际价值(语音优先壳 + 自有 agent 网关 + 浏览器画布组合)清晰;成本收益考虑(共享 STT 服务、按需安装大依赖)体现。扣分项:无截图入库、核心收益依赖 OpenClaw 外部项目且其质量不可见,静态审查无法确认整体可用性。
文档内交叉引用密集(README→docs→AGENTS.md→代码 docstring),工作流注释含 PR/issue 编号可追溯,已知缺陷与缓解措施区分陈述。扣分项:许多关键断言(tests.yml 通过、docs 站内容、OpenClaw 行为)在样本外无法独立核实;事实与推断在技能文档中偶尔混述(如性能门阈值的实际执行路径)。
- 未启用 Clerk 认证时应用完全开放,公网部署必须设置 CANVAS_REQUIRE_AUTH=true 及强 SECRET_KEY。
- browse-service 组件内置 UA 伪装与住宅代理 IP 路由,用于规避网站 bot 检测;部署者需自行评估其法律与使用政策风险。
- self-update 端点会以服务器进程身份执行 git pull 并可能拉起 coding agent,属高危操作面,建议限制于管理员并审计日志。
- 文档间环境要求(Node/Python 版本)与遗留命名(clawdbot/jambot/ai-eyes2)存在不一致,安装前以仓库内最新文件为准。
- UPLOADS_AUTH_MODE 默认 shadow 模式只记录不阻止,生产环境应显式设为 enforce。
- 提示注入风险已被项目自认未解决(系统提示与用户输入同字段),处理敏感任务时不要信任 agent 输出。
常见问题
不配任何云服务密钥能用吗?
必须用 Docker 吗?
代理后端只能是 OpenClaw 吗?
数据存在哪里?
开发调试方便吗?
OpenVoiceUI 语音 AI 助手平台 用哪个端口?
OpenVoiceUI 语音 AI 助手平台 官网是什么?
OpenVoiceUI 语音 AI 助手平台 免费吗?
OpenVoiceUI 语音 AI 助手平台 开源吗?
OpenVoiceUI 语音 AI 助手平台 安全吗?
OpenVoiceUI 语音 AI 助手平台 还在维护吗?
OpenVoiceUI 语音 AI 助手平台 是谁开发的?
谢谢反馈,我们会据此改进页面。